OrganisationL'objectif du projet est la réalisation d'un programme informatique relevant du Traitement Automatique des Langues. Les projets se font par binômes ou trinômes.
LangageLes projets peuvent être réalisés en Pascal ou en C, exceptionnellement dans un autre langage de programmation, après accord de l'enseignant, sur la machine de votre choix, à condition toutefois qu'il soit possible d'en faire une démonstration le jour de la soutenance dans la salle machine.RapportUn rapport comprenant une vingtaine de pages est demandé. Il doit être non manuscrit et doit contenir :
SoutenanceLes projets font l'objet d'une soutenance individuelle d'environ 15 mn, devant un jury d'un ou deux enseignants, au cours de laquelle l'étudiant proposera une démonstration du programme et répondra à quelques questions. |
Sujets proposésLe sujet peut être choisi parmi les sujets proposés suivants, ou il peut s'agir d'un sujet à votre initiative, auquel cas il faut en fournir une description rédigée d'une à deux pages, et obtenir l'accord de l'enseignant.
Ressources
Calendrier
|
Le programme prend un texte (ASCII brut) en entrée, et pour chaque forme non présente dans le dictionnaire, propose à l'utilisateur :
Les remplaçants proposés par le programme (premier cas plus haut) seront des mots figurant dans le dictionnaire, et ayant une certaine proximité avec le mot fautif.
Pour la recherche des mots proches, on appliquera diverses heuristiques, basées sur la forme du mot :
Projet n° 2 : Réaccentuation
Le programme est chargé de remettre les accents et autres signes
diacritiques manquant dans un texte fourni en typographie dite
pauvre.
On s'aidera d'un lexique de formes fléchies fourni. Bien sûr, certaines formes peuvent être réaccentuées directement, et d'autres sont ambigues. Une fois que l'algorithme principal sera établi, on envisagera des heuristiques pour lever les ambiguïtés. Exemple :
La ou le francais n'est pas accentue, il y a de la gene, mais quand le systeme m'accentue, je suis moins gene!On pourra s'inspirer du programme « Reacc » développé par le RALI à l'Université de Montréal.
Projet n° 3 : Calcul de collocations
On veut réaliser un programme de calcul des collocations dans un
corpus étiqueté et lemmatisé.
Le but est de repérer et de compter les blocs de 2 ou 3 mots juxtaposés qui se retrouvent au moins deux fois dans le corpus. On s'intéressera aussi aux groupes « N à N », « N de N », etc., dont on calculera aussi les fréquences.
La sortie du programme consiste donc en une liste, classée par fréquence, de toutes les collocations qui y apparaissent au moins deux fois.
On attachera un soin particulier au choix de la structure de données, et à l'algorithme, qui doit faire le calcul en un temps raisonnable.
Projet n° 4 : Extraction de sigles
L'objectif est d'être capable de construire,
semi-automatiquement, la liste des sigles (acronymes)
(par exemple EDF), et de
leur forme développée (par exemple Electricité de
France), utilisés dans un texte donné. Le
programme aura deux fonctions :
Projet n° 5 : Justification et «
hyphénation »
Il s'agit de réaliser un programme qui justifie (au sens des
traitements de texte) un texte fourni en ASCII, sur un nombre
de colonnes donné, en découpant les mots selon les règles en usage
pour le français.
On supposera que tous les caractères ont la même dimension (« fonte proportionnelle »).
Pour le découpage (éventuel) des mots (hyphenation), on prendra bien garde de distinguer les règles, qui seront stockées dans un fichier, du programme lui-même. On s'autorisera à utiliser un dictionnaire d'exceptions.
Projet n° 6 : Enrichissement de requêtes
Il s'agit de se placer dans la problématique suivante : on formule des
requêtes à un moteur de recherche, les requêtes pouvant contenir un ou
plusieurs mots, voire un syntagme ou une phrase. Sachant que les taux
de réussite de telles requêtes ne sont pas toujours satisfaisants, on
se propose d'enrichir ces requêtes (en ajoutant des mots, ou en
utilisant les opérateurs classiques de moteurs de recherche...) pour
améliorer le résultat.
Cet enrichissement sera réalisé sur la bases d'information de nature lexicale ou terminologique, stockées dans un réseau sémantique approprié.
Le but du projet n'est pas de réaliser un tel réseau sémantique à grande couverture, mais de spécifier, pour un domaine conceptuel fixé, les heuristiques à utiliser et l'architecture du réseau correspondant. Le projet donnera lieu à la réalisation d'une maquette, au sens industriel du terme.
| Tue Jun 12, 2001 |
|